import os
import pandas as pd
from typing import List, Dict
from pathlib import Path

# Prefer HF router via OpenAI-compatible client. Use env `HF_TOKEN`.
# HF_TOKEN loaded lazily to allow dotenv loading after import
def get_hf_token():
    return os.environ.get('HF_TOKEN')

def rule_summary(row: pd.Series) -> str:
    parts = []
    if pd.notna(row.get('EventType')):
        parts.append(f"ประเภท: {row['EventType']}")
    if pd.notna(row.get('CauseType')):
        parts.append(f"สาเหตุ: {row['CauseType']}")
    if pd.notna(row.get('OutageDateTime')):
        parts.append(f"เวลาเริ่ม: {row['OutageDateTime']}")
    if pd.notna(row.get('AffectedCustomer')):
        parts.append(f"ลูกค้าได้รับผลกระทบ: {row['AffectedCustomer']}")
    if pd.notna(row.get('Load(MW)')):
        parts.append(f"โหลด: {row['Load(MW)']}")
    return ' | '.join(parts) if parts else ''


def openai_summary(text: str, verbosity: str = 'brief', model: str = 'meta-llama/Llama-3.1-8B-Instruct:novita') -> str:
    HF_TOKEN = get_hf_token()
    if not HF_TOKEN:
        return None
    try:
        # Import here to avoid requiring OpenAI client unless HF_TOKEN set
        from openai import OpenAI
        client = OpenAI(base_url="https://router.huggingface.co/v1", api_key=HF_TOKEN)
        if verbosity == 'analyze':
            instruction = 'วิเคราะห์สาเหตุไฟฟ้าจากข้อมูลนี้ สรุปไม่เกิน 3-4 บรรทัด (ไทย) ระบุสาเหตุทางเทคนิค ผลกระทบต่อลูกค้าและระบบ และช่วงเวลา:'
        elif verbosity == 'recommend':
            instruction = 'วิเคราะห์สาเหตุไฟฟ้าจากข้อมูลนี้ พร้อมแนะนำการแก้ไข สรุปไม่เกิน 3-4 บรรทัด (ไทย) ระบุสาเหตุทางเทคนิค ผลกระทบต่อลูกค้าและระบบ ช่วงเวลาและข้อเสนอแนะในการป้องกัน:'
        prompt = f"{instruction}\n\n{text}\n\nสรุป:" 
        completion = client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
            max_tokens=1000,
        )
        # Extract text from response
        choice = completion.choices[0]
        msg = choice.message
        content = msg.content
        return content.strip() if content else None
    except Exception:
        return None


def summarize_events(df: pd.DataFrame, use_hf: bool = False, verbosity: str = 'brief', model: str = 'meta-llama/Llama-3.1-8B-Instruct:novita') -> List[Dict]:
    rows = []
    for _, r in df.iterrows():
        text_fields = []
        for col in df.columns:
            if pd.notna(r.get(col)) and str(r.get(col)).strip():
                text_fields.append(f"{col}: {r[col]}")
        long_text = '\n'.join(text_fields)
        print(f"Debug: EventNumber={r.get('EventNumber','')}, long_text='{long_text}'")
        summary = None
        if use_hf and get_hf_token() and long_text:
            # prefer HF router
            summary = openai_summary(long_text, verbosity=verbosity, model=model)
        if not summary:
            summary = rule_summary(r)
        rows.append({
            'EventNumber': r.get('EventNumber',''),
            'OutageDateTime': r.get('OutageDateTime',''),
            'Summary': summary,
        })
    return rows